作者 | 言征

審校 | 千山

51CTO讀者成長(zhǎng)計(jì)劃社群招募，咨詢小助手（微信號(hào)：TTalkxiaozhuli）

當(dāng)?shù)貢r(shí)間4月18日，知名社交媒體平臺(tái)Reddit宣布將開始向過度使用其數(shù)據(jù)API的公司（雖然沒有點(diǎn)名OpenAI、谷歌等）收費(fèi)，此舉似乎是為了改變免費(fèi)為別人做嫁衣的局面：被用作大型語言模型的免費(fèi)訓(xùn)練庫(kù)。

1、事件回顧：停止免費(fèi)

Reddit作為有著18年歷史的新聞平臺(tái)，用戶可以在上面發(fā)帖、評(píng)論、交流各種話題。

Reddit說：“過去18年來，作為擁有最大在線人與人對(duì)話語料庫(kù)之一的平臺(tái)，我們有義務(wù)讓我們的社區(qū)成為這些內(nèi)容的管理者。”

為此，該公司宣布正在更新其各種開發(fā)工具和服務(wù)的使用條款，并將它們?nèi)空系揭惶组_發(fā)人員條款中，包括其數(shù)據(jù)和廣告API、嵌入條款等。據(jù)稱這些條款將管理Reddit的所有開發(fā)人員服務(wù)。Reddit解釋，這些是為了幫助開發(fā)人員通過允許訪問Reddit上托管的帖子和其他信息來為Reddit用戶構(gòu)建應(yīng)用程序和服務(wù)。

圖源：reddithelp.com

值得注意的是，在Reddit數(shù)據(jù)API條款中的第三條，明確的提出了費(fèi)用和使用限制的問題。該公司認(rèn)為，除了商用用途以外，學(xué)術(shù)界、研究人員和“社交聆聽工具”也使用它來訪問Reddit數(shù)據(jù)，但有些人過度使用它。Reddit會(huì)保留訪問API收費(fèi)的權(quán)利，費(fèi)率會(huì)由Reddit獨(dú)家確定。

圖源：reddithelp.com

至于具體的收費(fèi)標(biāo)準(zhǔn)，Reddit還沒有公布，但表示會(huì)分為不同的等級(jí)，根據(jù)使用者的規(guī)模和需求來區(qū)分。Reddit的一位發(fā)言人聲稱，它將在6月份分享更多關(guān)于在推出付費(fèi)訪問產(chǎn)品時(shí)如何授予許可和費(fèi)用標(biāo)準(zhǔn)的信息。

2、創(chuàng)始人：現(xiàn)在是收緊政策的好時(shí)機(jī)

不可否認(rèn)，Reddit作為優(yōu)質(zhì)的“大模型語料庫(kù)”，自然被白嫖的幾率非常大。

OpenAI的GPT系列，就使用了來自維基百科、圖書館、從Reddit帖子鏈接到的網(wǎng)頁等的PB級(jí)信息。

雖然沒有直接點(diǎn)名像谷歌和OpenAI這樣的公司，但Reddit首席執(zhí)行官兼聯(lián)合創(chuàng)始人史蒂夫·霍夫曼，此前在一次外媒采訪時(shí)就坦誠(chéng)，Reddit“是進(jìn)行真實(shí)對(duì)話的地方”，因此“Reddit的數(shù)據(jù)語料庫(kù)非常有價(jià)值”。

“爬取Reddit，產(chǎn)生價(jià)值而不將任何價(jià)值返回給我們的用戶是我們遇到的問題，”霍夫曼認(rèn)為?！艾F(xiàn)在是我們收緊政策的好時(shí)機(jī)。我們認(rèn)為這是公平的?！?/p>

果不其然，作為新條款的一部分，Reddit表示禁止“通過任何方式訪問或使用Reddit服務(wù)和數(shù)據(jù)來訓(xùn)練大型語言、人工智能或其他算法模型”。

圖源：reddithelp.com

在Reddit的幫助頁面上，涵蓋了Reddit開發(fā)人員工具的商業(yè)用途和費(fèi)用，包括“出售對(duì)在Reddit上訓(xùn)練的模型的訪問權(quán)”只有在獲得許可的情況下才被允許，并且可能需要支付相關(guān)費(fèi)用。

圖源：reddithelp.com

Reddit沒有提供任何線索來說明什么是“附加功能、更高的使用限制和更廣泛的使用權(quán)限”，它表示這將是決定誰必須為數(shù)據(jù)API訪問付費(fèi)的因素，也沒有提供任何線索關(guān)于這些第三方需要為特權(quán)付出多少。

3、矛盾的條款爭(zhēng)議

更新的條款存在一個(gè)有趣的爭(zhēng)議：內(nèi)容歸Redditor所有，但Reddit有權(quán)向合作伙伴提供用戶的內(nèi)容。

試圖從近二十年的對(duì)話中抓取內(nèi)容的行為，不在少數(shù)。Reddit更新其條款以“進(jìn)一步 [澄清] 用戶內(nèi)容歸在Reddit上創(chuàng)建和提交內(nèi)容的redditor所有，未經(jīng)許可不得使用”，這一點(diǎn)影響很大。

然而，Reddit的用戶協(xié)議卻也包括自己使用發(fā)帖人發(fā)布的內(nèi)容的條款，包括“我們有權(quán)向與Reddit合作的其他公司、組織或個(gè)人提供您的內(nèi)容?！?如果想要訪問數(shù)據(jù)的一方獲得了Reddit的許可，那么內(nèi)容所有權(quán)是否是一個(gè)問題，就變得有點(diǎn)模糊了。

4、對(duì)于開發(fā)者的影響：速率限制

當(dāng)被問及開發(fā)者在被要求付費(fèi)之前，會(huì)考慮什么樣的使用門檻時(shí)，Reddit表示，它始終對(duì)其API使用設(shè)置了速率限制。Reddit尚未透露下一步的限制計(jì)劃，但GitHub文檔最后一次更新是在2015年，表明它是每個(gè)客戶端每分鐘60個(gè)請(qǐng)求，沒有提到批量限制。

Reddit的發(fā)言人透露，該公司在執(zhí)行API使用限制或?yàn)橄拗圃黾拥母咭患?jí)的“清理空間”方面，一直不太擅長(zhǎng)。

Reddit表示，新規(guī)則不出意外的話將于6月19日生效。截至目前，數(shù)據(jù)API仍然可以免費(fèi)訪問通過Reddit開發(fā)者平臺(tái)的適當(dāng)用例。

5、拔出蘿卜帶出泥用于訓(xùn)練的數(shù)據(jù)版權(quán)糾紛

數(shù)據(jù)是新時(shí)代的石油，大模型就是將油加工成高級(jí)產(chǎn)品的煉丹爐。只不過這“石油”的歸屬和使用，卻存在太多的爭(zhēng)議空間。

首先是訓(xùn)練數(shù)據(jù)侵犯了用戶和企業(yè)的版權(quán)。

此前，在文生圖領(lǐng)域大火的Midjourney和Stability AI，因?qū)⑺鼈兊墓ぞ哂糜诰W(wǎng)絡(luò)抓取的圖像而被指控侵犯了數(shù)百萬藝術(shù)家的權(quán)利，面臨法律訴訟。

同樣，庫(kù)存圖片供應(yīng)商也對(duì)白嫖行為發(fā)起反擊。據(jù)悉Getty Images已將Stability AI單獨(dú)告上法庭，指控其未經(jīng)許可使用其網(wǎng)站上數(shù)百萬張圖片來訓(xùn)練藝術(shù)生成模型Stable Diffusion。

不打招呼，就偷用了藝術(shù)家和平臺(tái)的版權(quán)圖片，被起訴在所難免。但是這些公司認(rèn)為，他們已經(jīng)重新利用人們的圖像來創(chuàng)造新的東西并且這是對(duì)數(shù)據(jù)的合理使用。“請(qǐng)注意，我們會(huì)認(rèn)真對(duì)待這些問題。任何認(rèn)為這不是合理使用的人都不了解這項(xiàng)技術(shù)并且誤解了法律，”Stability AI的一位發(fā)言人如是說。

其次，生成式AI的輸出也有風(fēng)險(xiǎn)：大模型本身傾向于使用其他來源的圖像和文本，包括版權(quán)內(nèi)容（輸入決定輸出）。一些圖像托管平臺(tái)已經(jīng)禁止使用AI生成的內(nèi)容，因?yàn)樗麄儞?dān)心會(huì)引起法律糾紛。

專家警告說，如果企業(yè)無意中將生成的AI工具所生成的受版權(quán)保護(hù)的內(nèi)容，納入他們銷售的任何產(chǎn)品中，這些企業(yè)可能會(huì)面臨風(fēng)險(xiǎn)。

不過，業(yè)內(nèi)有一個(gè)可以借鑒的方案，就是Adobe Firefly。同樣是生成式AI模型，它僅使用公司的免版稅媒體庫(kù)Adobe Stock，以及經(jīng)過版權(quán)公開授權(quán)和公共領(lǐng)域內(nèi)容，訓(xùn)練Firefly模型。

同時(shí)，未來用戶將能夠使用自己的內(nèi)容訓(xùn)練和微調(diào)Firefly模型，使其輸出具有特定的風(fēng)格和設(shè)計(jì)語言。

而且，Adobe似乎在去年8月更新了其內(nèi)容分析政策，并表示不會(huì)訪問存儲(chǔ)在用戶設(shè)備本地的內(nèi)容。

6、寫在最后

樹欲靜而風(fēng)不止。盡管OpenAI創(chuàng)始人阿爾特曼近日說大模型時(shí)代迎來終結(jié)，但大模型給社會(huì)帶來的影響才剛剛凸顯。此次Reddit突然要向生成式AI大模型收數(shù)據(jù)費(fèi)，也將不會(huì)是個(gè)例。

不管是對(duì)話聊天，還是文生圖，保管數(shù)據(jù)的平臺(tái)都不得不卷入這場(chǎng)“生態(tài)戰(zhàn)”。版權(quán)、隱私、報(bào)酬、安全等都是這場(chǎng)戰(zhàn)斗的重要議題。